Geral
Redes Neurais
Semana 7
0

Questão

Redes neurais recorrentes são amplamente utilizadas para predição em séries temporais devido à sua capacidade de lidar com dados sequenciais e manter informações ao longo de muitos passos temporais. Nesta semana, foi discutido o exemplo prático do uso de redes densas (MLP) e redes recorrentes (LSTM) para prever séries temporais, incluindo a comparação de suas arquiteturas, processos de treinamento e eficácia na predição. 

Baseado na análise dos modelos discutidos, selecione a alternativa que melhor sintetiza a principal vantagem das redes LSTM em relação às redes densas (MLP) na predição de séries temporais.
A) Capacidade de manter e utilizar informações de longo prazo durante a predição, melhorando a precisão em séries temporais com padrões complexos.
B) Estrutura simplificada que facilita o treinamento em conjuntos de dados menores e menos complexos.
C) Exclusiva utilização para tarefas de processamento de linguagem natural, sem aplicação em outras áreas.
D) Capacidade de processar dados não sequenciais com a mesma eficácia que dados sequenciais.
E) Geralmente têm um menor número de parâmetros.
function vote(questaoId, value) { window.location.href = "/accounts/login/?next=/questao/1927/"; return; fetch(`/vote/questao/${questaoId}/`, { method: 'POST', headers: { 'Content-Type': 'application/json', 'X-CSRFToken': '7GxWVr9sNeBR4bzagDxMSaZ9ks8Wg1Hi83E3j5viY93ApirII2gOypF1pal8RQdJ' }, body: JSON.stringify({ value: value }) }) .then(response => response.json()) .then(data => { if (data.success) { document.getElementById(`score-${questaoId}`).textContent = data.score; const upBtn = document.querySelector(`button[onclick="vote(${questaoId}, 1)"]`); const downBtn = document.querySelector(`button[onclick="vote(${questaoId}, -1)"]`); upBtn.classList.remove('active-up'); downBtn.classList.remove('active-down'); if (data.user_vote === 1) upBtn.classList.add('active-up'); if (data.user_vote === -1) downBtn.classList.add('active-down'); } }); }